CN115436238A - 一种高炉原燃料颗粒度在线检测方法和系统 - Google Patents
一种高炉原燃料颗粒度在线检测方法和系统 Download PDFInfo
- Publication number
- CN115436238A CN115436238A CN202211156665.2A CN202211156665A CN115436238A CN 115436238 A CN115436238 A CN 115436238A CN 202211156665 A CN202211156665 A CN 202211156665A CN 115436238 A CN115436238 A CN 115436238A
- Authority
- CN
- China
- Prior art keywords
- particle size
- timer
- raw fuel
- image
- blast furnace
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 88
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 239000002245 particle Substances 0.000 claims abstract description 88
- 239000000571 coke Substances 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 31
- 239000000463 material Substances 0.000 claims abstract description 26
- 230000011218 segmentation Effects 0.000 claims description 13
- 230000003213 activating effect Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 7
- 241000282326 Felis catus Species 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 239000000047 product Substances 0.000 claims description 2
- 238000005272 metallurgy Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005245 sintering Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
- G01N15/0227—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging using imaging, e.g. a projected image of suspension; using holography
Abstract
本发明涉及冶金领域，公开了一种高炉原燃料颗粒度在线检测方法和系统。所述方法包括：步骤1：获取主皮带料面传送原燃料的连续图像；步骤2：对连续图像中的每一帧图像进行检测，判断主皮带料面上的原燃料种类，所述原燃料种类包括焦炭、烧结矿和空料；步骤3：按照焦炭－空料－烧结矿检测顺序对每一帧图像的分析结果进行统计，得到焦炭、烧结矿的平均粒度和粒度分布。该方法实现在线实时地对每一批次料的粒度情况进行统计，大大提高了高炉原燃料颗粒度在线检测效率。
Description
技术领域
本发明涉及高炉炼铁领域，尤其涉及一种高炉原燃料颗粒度在线检测方法和系统。
背景技术
高炉原燃料的粒径和粒径分布，统称粒度，是影响高炉操作中重要的因素之一。在原燃料入炉之前高炉操作人员必须了解高炉原燃料的粒度情况。目前大型高炉主原燃料包括烧结矿、焦炭等，烧结矿一般间隔4小时左右人工取样检测一次粒度，焦炭一般间隔6小时人工取样检测一次粒度，这种方法检测频率低，数据反馈不及时且取样的结果不能完全代表原燃料粒度的实际情况。目前也有通过机械筛分的方法进行高炉原燃料粒度检测的装置，但是该装置不仅造价高、故障率高、维护困难而且检测的实时性也无法满足高炉生产的要求，因此需要一种简易可靠的，实时在线的检测方法来对高炉原燃料的粒度进行检测。
发明专利CN103509901A公开了一种高炉原燃料的粒度检测方法，该方法利用图像采集装置，对待输送入高炉内的运输皮带上的原燃料进行数字图像采集，以获取原燃料数字图像；对该原燃料数字图像进行处理，获取粒度大小。
发明专利CN111638159A公开了一种高炉原燃料粒度检测方法，该方法本发明提供了高炉原燃料粒度检测方法，该方法利用三维相机采集输送皮带上原燃料的深度图像信息；根据深度图像信息重建出原燃料的三维模型。求取三维模型的模拟体积，并对模拟体积进行优化处理。将优化处理后的模拟体积作为原燃料相对应的球体体积，求取球体体积的直径，将直径作为原燃料的目标粒度。
但由于高炉上料时焦炭和烧结矿是交替上料，需要对每一批次料的粒度情况进行自动统计。以上专利未涉及批次料的粒度情况的统计工作。
发明内容
有鉴于现有技术的上述缺陷，本发明的目的是提供一种高炉原燃料颗粒度在线检测方法和系统，能在线实时地对每一批次料的粒度情况进行统计。
为实现上述目的，本发明提供了一种高炉原燃料颗粒度在线检测方法，应用于高炉原燃料颗粒度在线检测系统，所述方法包括：
步骤1：获取主皮带料面传送原燃料的连续图像；
步骤2：对连续图像中的每一帧图像进行检测，判断主皮带料面上的原燃料种类，所述原燃料种类包括焦炭、烧结矿和空料；
步骤3：按照焦炭－空料－烧结矿检测顺序对每一帧图像的分析结果进行统计。
进一步的，所述步骤2包括：
步骤21：对原始图像I1进行去噪和滤波得到第一中间图像I2；
步骤22：对第一中间图像进行图像二值化分割得到第二中间图像I3和第三中间图像I4；
步骤23：对第二中间图像I3进行轮廓提取得到第一轮廓序列S1；
步骤24：以第一轮廓序列S1为前景种子点，以第三中间图像I4为背景对第一中间图像I2进行分水岭分割得到第四中间图像I6；
步骤25：对第四中间图像I6进行轮廓提取得到第二轮廓序列S2；
步骤26：计算第二轮廓序列S2中包含的轮廓数量M及每个轮廓的外接圆直径Di(i＝1...m)，并将其转换为实际的尺寸Ci＝Di×Res，其中Res是图像的空间分辨率，单位mm/pixel。
步骤27：根据轮廓数量M来判断当前原燃料种类Cat，如果M<Th1则认为当前没有料，Cat＝1；如果M>Th2，则认为当前原燃料为烧结矿，Cat＝2，Th1≤M≤Th2则认为当前原燃料为焦炭，Cat＝0。
进一步的，所述步骤22中，所述图像二值化分割的方法采用OSTU自适应阈值分割法。
进一步的，所述步骤3具体包括：
检查当前帧图像的原燃料种类Cat和过程标志量Seq；
(1)若Seq＝0且Cat＝0，则检查定时器T1状态；若定时器T1未激活，则激活定时器T1；若定时器T1激活，则检测定时T1是否计时完毕，当T1计时完毕，则设置Seq＝1；将当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到焦炭粒径集合SC；
(2)若Seq＝1且Cat＝0，将当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到焦炭粒径集合SC；
(3)若Seq＝1且Cat＝1，则检查定时器T2状态；若定时器T2未激活，则激活定时器T2；若定时器T2激活，则检测定时T2是否计时完毕，当T2计时完毕，则设置Seq＝2；将当前图像的轮廓的外接圆直径Ci(i＝1...m)丢弃不处理；
(4)若Seq＝2且Cat＝1，将当前图像的轮廓的外接圆直径Ci(i＝1...m)丢弃不处理；
(5)若Seq＝2且Cat＝2，则检查定时器T3状态；若定时器T3未激活，则激活定时器T3；若定时器T3激活，则检测定时器T3是否计时完毕，当T3计时完毕，则设置Seq＝3；当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到烧结矿粒径集合SM；
(6)若Seq＝3且Cat＝2，当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到烧结矿粒径集合SM；
(7)若Seq＝3且Cat＝1，则检查定时器T4状态；若定时器T4未激活，则激活定时器T4；若定时器T4激活，则检测定时器T4是否计时完毕，当T4计时完毕，设置Seq＝0；然后焦炭粒径集合SC和烧结矿粒径集合SM对本批次料的粒度情况进行统计。
其中Cat＝0表示焦炭；Cat＝1表示空料；Cat＝2表示烧结矿；Seq＝1表示第一过程标记量；Seq＝2表示第二过程标记量；Seq＝3表示第一过程标记量。
进一步的，所述步骤3中力度情况统计的参数包括：焦炭的粒度分布、焦炭的平均粒度、烧结矿的粒度分布和烧结矿的平均粒度。
进一步的，所述的焦炭的平均粒度表示为：
其中SC(i)为焦炭粒径集合SC中的第i个元素，MC为SC中的元素个数；
所述的焦炭的粒度分布为：
其中Δj,Δj+1表示粒度统计的第j个统计区间，O[SC(i),Δj,Δj+1]是统计变量是否属于某个区间的算子，表示为：
式中，变量SC(i)用X表示。
进一步的，烧结矿的平均粒度为：
其中SM(i)为焦炭粒径集合SM中的第i个元素，MM为SM中的元素个数。
烧结矿的粒度分布为：
其中Δj,Δj+1表示粒度统计的第j个统计区间。
进一步的，所述高炉原燃料颗粒度在线检测系统包括工业相机、补光灯、PLC和图像服务器；所述工业相机、补光灯在高炉主皮带上方，焦炭和烧结矿卸料斗之后，拍摄高炉上料流视频；所述PLC设置于高炉槽下，检测主皮带的运动速度；所述图像服务器设置在高炉主控制室内，图像服务器与工业相机之间通过千兆网线连接，同时图像服务器与PLC之间建立通讯。
进一步的，所述工业相机的拍照频率和主皮带的运动速度相关，二者的乘积为一常数。
本发明实现了如下技术效果：
本发明的高炉原燃料颗粒度在线检测方法，通过获取主皮带料面传送原燃料的连续图像；对每一批料按照焦炭－空料－烧结矿检测顺序对每一帧图像的分析结果进行统计，从而大大提高了高炉原燃料颗粒度在线检测效率。
附图说明
图1是本发明涉及的高炉原燃料颗粒度在线检测系统；
图2是本发明的高炉原燃料颗粒度在线检测方法。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
本申请提出一种高炉原燃料颗粒度在线检测方法，应用于一种高炉原燃料颗粒度在线检测系统。如图1所示，高炉原燃料颗粒度在线检测系统包括工业相机、补光灯，图像服务器等。工业相机和补光灯安装在高炉主皮带上方，焦炭和烧结矿卸料斗之后，保证该位置能既拍摄到完整的高炉上料流视频。采用双补光灯方案保证均匀的照度。图像服务器设置在高炉主控制室内，图像服务器与工业相机之间通过千兆网线连接，同时图像服务器与高炉槽下PLC之间建立通讯。高炉生产时图像服务器启动工业相机对主皮带料面进行连续拍照，图像上传至图像服务器后，执行高炉原燃料颗粒度在线检测方法，对获取的连续图像进行处理，检测出高炉原材料的颗粒度。
所述高炉原燃料颗粒度在线检测方法，包括：
步骤1：获取主皮带料面传送原燃料的连续图像；
步骤2：对连续图像中的每一帧图像进行检测，判断主皮带料面上的原燃料种类，所述原燃料种类包括焦炭、烧结矿和空料；
步骤3：每一批料按照焦炭－空料－烧结矿检测顺序对每一帧图像的分析结果进行统计。
具体的，步骤2包括：
步骤S21：对主皮带料面的原始图像I1进行去噪和滤波得到图像I2。这里采用中值滤波提升图像质量，去除图像干扰。
步骤S22：对图像I2进行图像二值化分割得到前景图像I3和背景图像I4。具体的，在本步骤中，可以采用OSTU自适应阈值分割法来分割，原燃料表面因为被补光灯照亮在图像上会呈现出更高的灰度值，皮带及原燃料间的空隙在图像上的灰度值较低，因此可以通过二值化分割法将其分割开来；
步骤S23：对图像I3进行轮廓提取得到轮廓序列S1。具体的，在本步骤中，可以使用Freeman链码方式表征图像轮廓，每一个轮廓代表一块原燃料。
步骤S24：轮廓序列S1为前景种子点以图像I4为背景对图像I2进行分水岭分割得到图像I6，该步骤是进一步分割图像，将每一块原燃料更加精细地分割开来。
步骤S25：对图像I6进行轮廓提取得到轮廓序列S2。对精细分割的结果进行轮廓提取每一个轮廓代表一块原燃料。
步骤S26：计算轮廓序列S2中包含的轮廓数量M及每个轮廓的外接圆直径Di(i＝1...m)，并将其转换为实际的尺寸Ci＝Di×Res，其中Res是图像的空间分辨率，单位mm/pixel。这一步统计了图像中的原燃料颗粒数和每块的粒径并将其转换到实际的尺寸。
步骤S27：根据M来判断当前原燃料种类Cat，如果M<Th1则认为当前没有料Cat＝1，M>Th2则认为当前原燃料为烧结矿，Cat＝2，Th1≤M≤Th2则认为当前原燃料为焦炭，Cat＝0。该步骤是根据上一步计算的颗粒数来判断当前图像的原燃料种类，当没有料时图像分割出来的原燃料颗粒数会非常小，又因为焦炭的尺寸比烧结矿大很多，因此相同视野下焦炭的颗粒数小于烧结矿的颗粒数，因此就能够通过颗粒数与两个阈值的关系来判断当前的原燃料种类，在本实施例中，典型的取Th1＝30，Th2＝120。Th1、Th2的取值和主皮带料面的宽度和相机的取景大小有关，但二者的比值主要取决于焦炭和烧结矿的平均颗粒度，因此相对固定，具体的，Th1和Th2的比值范围为1:3.5到1:4.5。
在完成单幅图像的分析后，对连续图像的分析结果进行进一步的分析来对料流的粒度进行统计。
图像服务器从高炉槽下PLC中读取皮带运行速度信号，根据速度大小控制工业相机的拍照频率。保证拍摄到的画面即不重叠也不遗漏。
具体的，步骤3包括以下步骤：每一批料按照焦炭－空料－烧结矿检测顺序对每一帧图像的分析结果按如下步骤进行统计，如图2所示：
步骤31：如果Cat＝0，激活定时器T1；当定时器T1计时完毕后，设定过程标志量Seq＝1。这里定时器T1的作用是滤波，过程标志量Seq表征的滤波后的料流状态，Seq＝1表示当前料流为焦炭。
步骤32：如果Seq＝1且Cat＝0则认为当前处于稳定的焦炭上料过程，将当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到焦炭粒径集合SC。这一步的含义是当前处于焦炭料流状态时，如果当前拍摄到焦炭图像，就将当前图像的焦炭粒径保存到焦炭粒径集合SC，SC中会保存本批料中所有的焦炭粒径。
步骤33：如果Seq＝1且Cat＝1时，激活定时器T2，当定时器T2计时完毕后，设定Seq＝2。这一步标志着焦炭料流已经走完，Seq＝2表示当前是焦炭－烧结矿间无料间隔过程。
步骤34：如果Seq＝2且Cat＝1则认为当前处于稳定的焦炭与烧结矿间的无料间隙过程，将当前图像的轮廓的外接圆直径Ci(i＝1...m)丢弃不处理。这里对于无料间隙过程中的分析结果不做任何处理。
步骤35：如果Seq＝2且Cat＝2时，激活定时器T3，当定时器T3计时完毕后，设定Seq＝3。Seq＝3表示当前料流是烧结矿。
步骤36：如果Seq＝3且Cat＝2则认为当前处于稳定的烧结矿上料过程，将当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到烧结矿粒径集合SM。这一步的含义是当前处于烧结矿料流状态时，如果当前拍摄到烧结矿图像，就将当前图像的烧结矿粒径保存到烧结矿粒径集合SM，SM中会保存本批料中所有的烧结矿粒径。
步骤37：如果Seq＝3且Cat＝1时，激活定时器T4，当定时器T4计时完毕后，设定Seq＝0。Seq＝0表示当前料流已经结束。因此对本批次料的粒度情况进行统计主要包括粒度分布和平均粒度2个指标。
该过程也可以通过如下方式表示对每一帧的处理：
检查当前帧图像的原燃料种类Cat和过程标志量Seq；
(1)若Seq＝0且Cat＝0，则检查定时器T1状态；若定时器T1未激活，则激活定时器T1；若定时器T1激活，则检测定时T1是否计时完毕，当T1计时完毕，则设置Seq＝1；将当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到焦炭粒径集合SC；
(2)若Seq＝1且Cat＝0，将当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到焦炭粒径集合SC；
(3)若Seq＝1且Cat＝1，则检查定时器T2状态；若定时器T2未激活，则激活定时器T2；若定时器T2激活，则检测定时T2是否计时完毕，当T2计时完毕，则设置Seq＝2；将当前图像的轮廓的外接圆直径Ci(i＝1...m)丢弃不处理；
(4)若Seq＝2且Cat＝1，将当前图像的轮廓的外接圆直径Ci(i＝1...m)丢弃不处理；
(5)若Seq＝2且Cat＝2，则检查定时器T3状态；若定时器T3未激活，则激活定时器T3；若定时器T3激活，则检测定时器T3是否计时完毕，当T3计时完毕，则设置Seq＝3；当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到烧结矿粒径集合SM；
(6)若Seq＝3且Cat＝2，当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到烧结矿粒径集合SM；
(7)若Seq＝3且Cat＝1，则检查定时器T4状态；若定时器T4未激活，则激活定时器T4；若定时器T4激活，则检测定时器T4是否计时完毕，当T4计时完毕，设置Seq＝0；然后根据焦炭粒径集合SC和烧结矿粒径集合SM对本批次料的粒度情况进行统计。
焦炭的平均粒度表示为：
其中SC(i)为焦炭粒径集合SC中的第i个元素，MC为SC中的元素个数。
焦炭的粒度分布为：
其中Δj,Δj+1表示粒度统计的第j个统计区间，典型的焦炭粒度统计区间为Δ1＝0，Δ2＝25，Δ3＝40，Δ4＝60，Δ5＝80，Δ6＝∞；O[SC(i),Δj,Δj+1]是统计变量是否属于某个区间的算子，表示为：
式中，变量SC(i)用X表示。
烧结矿的平均粒度为：
其中SM(i)为焦炭粒径集合SM中的第i个元素，MM为SM中的元素个数。
烧结矿的粒度分布为：
其中Δj,Δj+1表示粒度统计的第j个统计区间，典型的烧结矿粒度统计区间为Δ1＝0，Δ2＝5，Δ3＝10，Δ4＝25，Δ5＝40，Δ6＝∞。
实际中国东部某高炉的一个典型的原燃料批次的粒度情况为：
焦炭粒度分布，平均粒径25.6mm
| 分布区间(mm) | >80 | 80-60 | 60-40 | 40-25 | <25 |
| 占比(mm) | 5.95 | 21.87 | 44.24 | 25.36 | 2.58 |
烧结矿粒度分布，平均粒径51.7mm
| 分布区间(mm) | >40 | 40-25 | 25-10 | 10-5 | <5 |
| 占比(mm) | 15.5 | 31.4 | 40.8 | 8.9 | 3.4 |
该数据发送至高炉槽下PLC，PLC将其作为料流的属性对其进行跟踪，直至该批原燃料进行高炉。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。
Claims (10)
1.一种高炉原燃料颗粒度在线检测方法，应用于高炉原燃料颗粒度在线检测系统，其特征在于，所述方法包括：
步骤1：获取主皮带料面传送原燃料的连续图像；
步骤2：对连续图像中的每一帧图像进行检测，判断主皮带料面上的原燃料种类，所述原燃料种类包括焦炭、烧结矿和空料；
步骤3：按照焦炭－空料－烧结矿检测顺序对每一帧图像的分析结果进行统计。
2.如权利要求1所述的高炉原燃料颗粒度在线检测方法，其特征在于，所述步骤2包括：
步骤21：对原始图像I1进行去噪和滤波得到第一中间图像I2；
步骤22：对第一中间图像I2进行图像二值化分割得到第二中间图像I3和第三中间图像I4；
步骤23：对第二中间图像I3进行轮廓提取得到第一轮廓序列S1；
步骤24：以第一轮廓序列S1为前景种子点，以第三中间图像I4为背景对第一中间图像I2进行分水岭分割得到第四中间图像I6；
步骤25：对第四中间图像I6进行轮廓提取得到第二轮廓序列S2；
步骤26：计算第二轮廓序列S2中包含的轮廓数量M及每个轮廓的外接圆直径Di(i＝1...m)，并将其转换为实际的尺寸Ci＝Di×Res，其中Res是图像的空间分辨率，单位mm/pixel；
步骤27：根据轮廓数量M来判断当前原燃料种类Cat，如果M<Th1则认为当前没有料，Cat＝1；如果M>Th2，则认为当前原燃料为烧结矿，Cat＝2，Th1≤M≤Th2则认为当前原燃料为焦炭，Cat＝0。
3.如权利要求2所述的高炉原燃料颗粒度在线检测方法，其特征在于，所述步骤22中，所述图像二值化分割的方法采用OSTU自适应阈值分割法。
4.如权利要求2所述的高炉原燃料颗粒度在线检测方法，其特征在于，所述步骤27中，Th1和Th2的比值范围为1:3.5到1:4.5。
5.如权利要求1所述的高炉原燃料颗粒度在线检测方法，其特征在于，所述步骤3具体包括：
检查当前帧图像的原燃料种类Cat和过程标志量Seq；
(1)若Seq＝0且Cat＝0，则检查定时器T1状态；若定时器T1未激活，则激活定时器T1；若定时器T1激活，则检测定时T1是否计时完毕，当T1计时完毕，则设置Seq＝1；将当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到焦炭粒径集合SC；
(2)若Seq＝1且Cat＝0，将当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到焦炭粒径集合SC；
(3)若Seq＝1且Cat＝1，则检查定时器T2状态；若定时器T2未激活，则激活定时器T2；若定时器T2激活，则检测定时T2是否计时完毕，当T2计时完毕，则设置Seq＝2；将当前图像的轮廓的外接圆直径Ci(i＝1...m)丢弃不处理；
(4)若Seq＝2且Cat＝1，将当前图像的轮廓的外接圆直径Ci(i＝1...m)丢弃不处理；
(5)若Seq＝2且Cat＝2，则检查定时器T3状态；若定时器T3未激活，则激活定时器T3；若定时器T3激活，则检测定时器T3是否计时完毕，当T3计时完毕，则设置Seq＝3；当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到烧结矿粒径集合SM；
(6)若Seq＝3且Cat＝2，当前图像的轮廓的外接圆直径Ci(i＝1...m)存入到烧结矿粒径集合SM；
(7)若Seq＝3且Cat＝1，则检查定时器T4状态；若定时器T4未激活，则激活定时器T4；若定时器T4激活，则检测定时器T4是否计时完毕，当T4计时完毕，设置Seq＝0；然后焦炭粒径集合SC和烧结矿粒径集合SM对本批次料的粒度情况进行统计。
6.如权利要求5所述的高炉原燃料颗粒度在线检测方法，其特征在于，所述步骤3中力度情况统计的参数包括：焦炭的粒度分布、焦炭的平均粒度、烧结矿的粒度分布和烧结矿的平均粒度。
7.如权利要求6所述的高炉原燃料颗粒度在线检测方法，其特征在于，所述的焦炭的平均粒度表示为：
其中SC(i)为焦炭粒径集合SC中的第i个元素，MC为SC中的元素个数；
所述的焦炭的粒度分布为：
其中Δj,Δj+1表示粒度统计的第j个统计区间，O[SC(i),Δj,Δj+1]是统计变量是否属于某个区间的算子，表示为：
式中，变量SC(i)用X表示。
8.如权利要求6所述的高炉原燃料颗粒度在线检测方法，其特征在于，烧结矿的平均粒度为：
其中SM(i)为焦炭粒径集合SM中的第i个元素，MM为SM中的元素个数。
烧结矿的粒度分布为：
其中Δj,Δj+1表示粒度统计的第j个统计区间。
9.一种高炉原燃料颗粒度在线检测系统，其特征在于，包括工业相机、补光灯、PLC和图像服务器；所述工业相机、补光灯在高炉主皮带上方，焦炭和烧结矿卸料斗之后，拍摄高炉上料流视频；所述PLC设置于高炉槽下，检测主皮带的运动速度；所述图像服务器设置在高炉主控制室内，图像服务器与工业相机之间通过千兆网线连接，同时图像服务器与PLC之间建立通讯；所述图像服务器执行如权利要求1-8任一项所述的高炉原燃料颗粒度在线检测方法。
10.如权利要求9所述的高炉原燃料颗粒度在线检测系统，其特征在于，所述工业相机的拍照频率和主皮带的运动速度相关，二者的乘积为一常数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211156665.2A CN115436238B (zh) | 2022-09-22 | 2022-09-22 | 一种高炉原燃料颗粒度在线检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211156665.2A CN115436238B (zh) | 2022-09-22 | 2022-09-22 | 一种高炉原燃料颗粒度在线检测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115436238A true CN115436238A (zh) | 2022-12-06 |
| CN115436238B CN115436238B (zh) | 2023-11-21 |
Family
ID=84248787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211156665.2A Active CN115436238B (zh) | 2022-09-22 | 2022-09-22 | 一种高炉原燃料颗粒度在线检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115436238B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117470721A (zh) * | 2023-12-28 | 2024-01-30 | 山西建龙实业有限公司 | 冶金用焦炭高温劣化强度和粒度降解行为的测量评价方法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4288162A (en) * | 1979-02-27 | 1981-09-08 | Sumitomo Kinzoku Kogyo Kabushiki Kaisha | Measuring particle size distribution |
| CN103509901A (zh) * | 2012-06-25 | 2014-01-15 | 宝山钢铁股份有限公司 | 高炉原燃料的粒度检测方法 |
| CN104331905A (zh) * | 2014-10-31 | 2015-02-04 | 浙江大学 | 一种基于运动物体检测的监控视频摘要提取方法 |
| CN106521066A (zh) * | 2016-12-23 | 2017-03-22 | 天津市三特电子有限公司 | 高炉炉料粒度监控系统及分布数据在线分析方法 |
| JP2017128794A (ja) * | 2016-01-20 | 2017-07-27 | Ｊｆｅスチール株式会社 | 高炉への原料装入方法 |
| CN107063946A (zh) * | 2016-12-23 | 2017-08-18 | 天津市三特电子有限公司 | 视频生球粒径仪及其生球粒径状态检测方法 |
| CN109975301A (zh) * | 2017-12-27 | 2019-07-05 | 宝山钢铁股份有限公司 | 一种用于炼铁高炉的筛网破损检测方法及检测装置 |
| CN110852395A (zh) * | 2019-11-15 | 2020-02-28 | 鞍钢集团矿业有限公司 | 一种基于自主学习和深度学习的矿石粒度检测方法和系统 |
| CN111638159A (zh) * | 2020-05-29 | 2020-09-08 | 新兴铸管股份有限公司 | 高炉原燃料粒度检测方法 |
| WO2020203255A1 (ja) * | 2019-04-02 | 2020-10-08 | Ｊｆｅスチール株式会社 | 粒度分布監視装置、粒度分布監視方法、コンピュータプログラム、炉、高炉、炉の制御方法、及び高炉操業方法 |
| CN112329782A (zh) * | 2020-11-04 | 2021-02-05 | 中冶赛迪重庆信息技术有限公司 | 一种原料粒度确定方法、系统、终端及介质 |
| CN113034573A (zh) * | 2021-04-01 | 2021-06-25 | 大连锐视达科技有限公司 | 一种球团粒径检测方法及系统 |
| CN113155686A (zh) * | 2021-04-14 | 2021-07-23 | 中国矿业大学 | 一种矿物粒度组成和筛分效率的智能检测系统及方法 |
| CN113740192A (zh) * | 2020-05-29 | 2021-12-03 | 上海梅山钢铁股份有限公司 | 一种焦炭在线粒级检测及热反应试样收集系统 |
| CN114494305A (zh) * | 2021-12-24 | 2022-05-13 | 鞍钢集团矿业有限公司 | 一种球团生球粒径在线检测方法及系统 |
| CN114897789A (zh) * | 2022-04-14 | 2022-08-12 | 安徽工业大学 | 一种基于图像分割的烧结矿粒度检测方法及系统 |
-
2022
- 2022-09-22 CN CN202211156665.2A patent/CN115436238B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4288162A (en) * | 1979-02-27 | 1981-09-08 | Sumitomo Kinzoku Kogyo Kabushiki Kaisha | Measuring particle size distribution |
| CN103509901A (zh) * | 2012-06-25 | 2014-01-15 | 宝山钢铁股份有限公司 | 高炉原燃料的粒度检测方法 |
| CN104331905A (zh) * | 2014-10-31 | 2015-02-04 | 浙江大学 | 一种基于运动物体检测的监控视频摘要提取方法 |
| JP2017128794A (ja) * | 2016-01-20 | 2017-07-27 | Ｊｆｅスチール株式会社 | 高炉への原料装入方法 |
| CN106521066A (zh) * | 2016-12-23 | 2017-03-22 | 天津市三特电子有限公司 | 高炉炉料粒度监控系统及分布数据在线分析方法 |
| CN107063946A (zh) * | 2016-12-23 | 2017-08-18 | 天津市三特电子有限公司 | 视频生球粒径仪及其生球粒径状态检测方法 |
| CN109975301A (zh) * | 2017-12-27 | 2019-07-05 | 宝山钢铁股份有限公司 | 一种用于炼铁高炉的筛网破损检测方法及检测装置 |
| WO2020203255A1 (ja) * | 2019-04-02 | 2020-10-08 | Ｊｆｅスチール株式会社 | 粒度分布監視装置、粒度分布監視方法、コンピュータプログラム、炉、高炉、炉の制御方法、及び高炉操業方法 |
| CN110852395A (zh) * | 2019-11-15 | 2020-02-28 | 鞍钢集团矿业有限公司 | 一种基于自主学习和深度学习的矿石粒度检测方法和系统 |
| CN111638159A (zh) * | 2020-05-29 | 2020-09-08 | 新兴铸管股份有限公司 | 高炉原燃料粒度检测方法 |
| CN113740192A (zh) * | 2020-05-29 | 2021-12-03 | 上海梅山钢铁股份有限公司 | 一种焦炭在线粒级检测及热反应试样收集系统 |
| CN112329782A (zh) * | 2020-11-04 | 2021-02-05 | 中冶赛迪重庆信息技术有限公司 | 一种原料粒度确定方法、系统、终端及介质 |
| CN113034573A (zh) * | 2021-04-01 | 2021-06-25 | 大连锐视达科技有限公司 | 一种球团粒径检测方法及系统 |
| CN113155686A (zh) * | 2021-04-14 | 2021-07-23 | 中国矿业大学 | 一种矿物粒度组成和筛分效率的智能检测系统及方法 |
| CN114494305A (zh) * | 2021-12-24 | 2022-05-13 | 鞍钢集团矿业有限公司 | 一种球团生球粒径在线检测方法及系统 |
| CN114897789A (zh) * | 2022-04-14 | 2022-08-12 | 安徽工业大学 | 一种基于图像分割的烧结矿粒度检测方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117470721A (zh) * | 2023-12-28 | 2024-01-30 | 山西建龙实业有限公司 | 冶金用焦炭高温劣化强度和粒度降解行为的测量评价方法 |
| CN117470721B (zh) * | 2023-12-28 | 2024-03-26 | 山西建龙实业有限公司 | 冶金用焦炭高温劣化强度和粒度降解行为的测量评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115436238B (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102489450B (zh) | 一种智能分选系统 | |
| CN110243732B (zh) | 一种粒度范围为2-500um的全程矿浆磨矿粒度在线检测系统 | |
| CN115436238B (zh) | 一种高炉原燃料颗粒度在线检测方法和系统 | |
| CN107649234A (zh) | 一种破碎机破碎粒径自动调节装置及方法 | |
| CN109785378B (zh) | 一种基于图谱图像算法分析技术的矿石粒度在线检测设备 | |
| CN107154042B (zh) | 一种包衣机视觉检测方法与装置 | |
| CN113942805B (zh) | 煤块运输监控方法及装置 | |
| CN109200946A (zh) | 一种造球机成球率检测方法及系统 | |
| CN110218824B (zh) | 一种基于图像识别的高炉渣离心粒化粒径检测系统及方法 | |
| CN105973771B (zh) | 矿热炉冶炼铬铁球团粒度检测装置及其检测方法 | |
| CN105289997A (zh) | 一种干法块煤分选装置 | |
| CN106521066A (zh) | 高炉炉料粒度监控系统及分布数据在线分析方法 | |
| CN108182674B (zh) | 基于U-Net深度学习网络的粒度检测分析方法 | |
| CN111968173A (zh) | 一种混合料粒度分析方法及系统 | |
| CN106295705B (zh) | 一种运动背景下的多颜色物料筛选计数系统 | |
| CN109187567A (zh) | 一种聚晶金刚石复合片表面白点缺陷检测系统 | |
| CN205165215U (zh) | 一种干法块煤分选装置 | |
| CN111179236A (zh) | 一种用于造球机的生球粒度分析方法及装置 | |
| CN103509901A (zh) | 高炉原燃料的粒度检测方法 | |
| CN111965081A (zh) | 一种混合料粒度分析装置及系统 | |
| CN113034573A (zh) | 一种球团粒径检测方法及系统 | |
| CN110310275A (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
| CN113552028B (zh) | 混合料视觉分析装置、混合料粒度组成检测方法及系统 | |
| CN111041194A (zh) | 一种提高矿粉球团矿生球质量的制备装置及其使用方法 | |
| CN202516782U (zh) | 一种智能分选系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |